用途：把一项任务转成按模型分层的多智能体计划，执行后由编排者自己汇总结果。
主要能力与流程： 第0步判断是否值得编排。若任务只涉及一个文件、只需一条命令或只有单一明显修复，则直接完成，不生成计划或子智能体。 第1步分解任务，为每个子任务写明具体输入、预期输出，并分类为 research（探索、搜索、查找代码或事实、阅读，不写代码）、implementation（编写或修改代码、配置、内容）、planning（架构或设计决策、重要权衡）、synthesis（把多个子智能体输出合并为最终交付物）。 第2步模型表：research 用 Explore/haiku；planning 用 Plan/opus；implementation 用 general-purpose（或仓库自带智能体）/sonnet；synthesis 由编排者自己完成，不委派。每次 spawn 必须显式设置 model，缺失视为调用不完整。 第3步并行化并严格划分文件归属：先写出 track 到文件/目录的归属图，确认无重叠；独立 track 在同一轮并行 spawn，有依赖的子任务按顺序执行并传递真实输出。 第4步编排者负责汇总与 git：审查每个子智能体的实际 diff 或输出，自行合并最终交付物，运行项目真实的验证命令（test/lint/build），所有 git 操作（commit、push）只由编排者执行。
使用方式：以 /orchestrate 加任务描述调用，例如 /orchestrate Research current pricing for 4 payment competitors and write a comparison table、/orchestrate Rename the Invoice model to Bill everywhere in the codebase、/orchestrate Add support for a new payment provider (client + tests + config)。
适用场景：可拆成两个以上独立工作块的任务，如多路研究、跨目录重构、研究→规划→并行实现→汇总的混合构建。
限制：无 Task/子智能体工具时，可按第1至4步结构内联顺序执行，研究在前、规划次之、实现再次、最后自行汇总；子智能体只是速度优化，不是正确性前提。输出需报告子任务列表、分类与模型、实际并行分组及汇总结果。资料未提供收费、价格、平台与效果信息。